پژوهشگران یک مدل کامپیوتری را برای برآورد خطرات مرتبط با محصول اختراع کردند/این برنامه کامپیوتری قادر به انتخاب بهترین گزینه است

براساس پژوهش تیمی از محققان، ترکیب شهود انسانی با بی طرفی کامپیوتر ها می تواند تصمیم گیری را برای سازمان ها بهبود بخشد و در نهایت منجر به هزینه های کمتر و تولیدات بهتر شود.

به گزارش ایانا از سایت "یوراکلرت"، در یک مطالعه، پژوهشگران می گویند یک برنامه کامپیوتری که برآوردهای یک کارشناس تجارت کشاورزی را تحلیل می کند به بخش کسب و کار در Dow AgroScience کمک کرد تا صحت پیش بینی های خود را بهبود بخشد، منجر به افزایش در تولیدات از ۲ تا ۳ درصد شده و هزینه ها را از ۶ تا ۷ درصد کاهش داده است. سوراب بانسال استادیار مدیریت زنجیره تامین در کالج بازرگانی اسمیل ( smeal ) در پنسیلوانیا در این مورد توضیح می دهد.

این تیم با یک متخصص تولید از بخش مدیریت Dow AgroScience کار کردند تا پیش بینی ها را در بخش بذر ذرت شرکت بهبود بخشند.

طبق گفته محققان، تولید بذر ذرتی که کشاورزان در نهایت از آن برای تولید محصولات خودشان استفاده می کنند می تواند یک تلاش پیچیده با چندین عامل مختلف از جمله تغییرات در تقاضا و آب و هوا و افزایش عدم اطمینان همراه باشد.

بانسال می گوید: "هر ساله، این شرکت نیاز دارد تا بداند چند هکتار از زمین ها را برای تولید بذر ذرت استفاده خواهند کرد. اما در این صنعت رقابت آمیز، بسیاری از گونه های بذر ذرت جدید هستند و این شرکت تجربه زیادی در پرورش این گونه های جدید ندارد. در نتیجه، نمی داند که بازده محصول چه خواهد بود یا این که آن ها چند بوشل ذرت از این مزارع به دست خواهند آورد. با این حال، برآورد محصول برای بهینه سازی منابع مورد استفاده برای رشد بذرهای ذرت ضروری است".

شرکت ها اغلب بر مدیران خود به عنوان متخصصانی که برآوردی از وقایع و فعالیت های آینده بدست می دهند حساب می کنند، زیرا این کار مقرون به صرفه تر از این است که پژوهشگران را به زمین های کشاورزی بفرستند تا مطالعاتی برای جمع آوری اطلاعات راه اندازی کنند. با این حال، این متخصصان تمایل دارند که این پیش بینی ها را بر اساس مدل های ذهنی که از طریق سال ها تجربه بدست آورده اند انجام دهند و اغلب تعصبات خود را نمایان می کنند که می تواند این پیش بینی ها را تغییر دهد.

بانسال می گوید: "همه دوست دارند ادعا کنند که متخصص هستند، با این حال ما عمیقا می دانیم که بعضی متخصصین بهتر از سایرین هستند". "تاکنون هیچ ابزار عینی برای اندازی گیری این که کدام متخصص بهتر از دیگری است و تا چه میزان وجود نداشته است. آنچه ما قادر به انجام آن هستیم این است که معیارهای خاصی ارائه کنیم که به ما اجازه می دهد تا میزان تخصص را بسنجیم".

این پژوهشگران که یافته های خود را در شماره اخیر مجله تحقیق در عملیات که در حال حاضر به صورت آنلاین در دسترس است گزارش کرده اند، یک مدل کامپیوتری را برای برآورد خطرات مرتبط با محصول ایجاد کرده اند . آن ها نخست قضاوت های مربوط به چارک های عملکرد محصول را از کارشناسان محلی جمع آوری کردند. برای مثال، یک کارشناس ممکن است برآورد کند که ۵۰ درصد شانس وجود دارد که شرکت بتواند به ازای هر هکتار ۵۵ بوشل بدست آورد.

سپس، این پژوهشگران از یک مدل ریاضی برای تبدیل برآورد چارکی به میانگین و انحراف معیار بازده محصول استفاده کردند.

بانسال که با جنارو گوتیرز، استادیار مدیریت اطلاعات، خطر و عملیات در دانشگاه تگزاس آستین و جان کیسر در Dow AgroScience کار می کند می گوید: "میانگین، برآوردی از اینکه شرکت به طور متوسط می تواند چه مقدار بوشل انتظار داشته باشد را فراهم می کند، در حالیکه انحراف معیار تغییرات مورد انتظار در روند رشد را نشان می دهد".

طبق گفته های پژوهشگران، بعد از مقایسه داده های تاریخی با پیش بینی های کارشناسان، این برنامه می تواند بینشی نسبت به سوگیری های مدل های ذهنی کارشناسان به دست دهد.

آن ها می گویند که با استفاده از این مقایسه ، این مدل، تخصص (یا ارزش قضاوت های کارشناسان) را معادل تعداد مشخصی از نقاط داده های اطلاعاتی که در زمین کشاورزی جمع آوری شده بود ارزیابی می کند.

بانسال می گوید: "قبل از این، ما واقعا نمی دانستیم چگونه اطلاعات فراهم شده توسط کارشناسان را با داده ها مقایسه کنیم». «این مدل به ما اجازه می دهد تا این کار را انجام دهیم و برای مثال به ما اجازه می دهد بگوییم که این کارشناس برابر ارزش ۳۵ نقطه داده از نمونه های درون زمین کشاورزی است؛ که یک اندازه گیری دقیق تر است".

او اضافه کرد که این مدل بسیار قوی است زیرا به مقامات شرکت ها اجازه می دهد تا کارشناسان را مقایسه و گزینش کنند و تعیین کنند که آیا آن ها باید به دنبال توصیه های کارشناس باشند یا جمع آوری داده و هم چنین بسنجند که آموزش آنها برای کارشناسان چه قدر موثر است.

بانسال می گوید که در آینده این مدل می تواند برای کمک به بهبود راهنمایی کارشناسان در سایر صنایع از جمله صنعت سوخت زیست محیطی و صنعت نیمه هادی که معمولا تحت شرایط عدم اطمینان، عرضه سنگین انجام می دهند، به کار رود.

مترجم: بهاران پدرام